软件设计师中级逻辑公式题

软考【已过】-软件设计师考试-上午综合知识+下午案例分析【备考攻略 + 完整笔记+做题技巧】 软件设计师考试属于全国计算机技术与软件专业技术资格考试(简称计算机软件资格考试)中的一个中级考试。考试不设学历与资历条件,也不论年龄和专业,考生可根据自己的技术水平选择合适的级别合适的资格,但一次考试只能报考一种资格。 考试采用笔试形式,软件设计师的试题主要分为上、下午两个部分。 上午主要是选择题(75题75分),下午为6道大题(6题75分 其中五/六题为选择Java&C++ )。考试要求:    (1) 掌握数据表示、算术和逻辑运算;    (2) 掌握相关的应用数学、离散数学的基础知识;    (3) 阅读详情
  1. 由8位成员组成的开发团队中,一共有(28)条沟通路径。
    n*(n-1)/2 = 8*7/2=28

  2. (流水线计算公式)设指令流水线将一条指令的执行分为取指,分析,执行三段,已知取指时间是2ns,分析时间需2ns,执行时间为1ns,则执行完1000条指令所需时间为(2003)
    流水线执行时间 = 1条指令执行时间 + (指令条数-1) * 流水线周期
    本题1条流水线执行时间为(2+2+1),指令条数为1000,流水线周期为其中最长的一段2ns,将相关参数代入公式可得。
    流水线执行时间 = (2+2+1) + (1000-1) * 2 = 2003

  3. (海明码校验位数)设信息位是8位,用海明码来发现并纠正1位出错的情况,则校验位的位数至少位()

    公式:2^k >= n+k+1
    或 2^K-1 >= n+K

    代入题可得:2^4(16) >= 8 + 4 + 1(13),所以最少为4位

  4. 著作权中,著名权、修改权、保护作品完整权的保护期不受限制。

  5. (位士图大小)某文件管理系统采用位士图(bitmap)来记录磁盘的使用情况,若计算机系统的字长位64位,磁盘容量为512GB,物理块的大小为4MB,那么位士图的大小位()个字

    磁盘容量512GB,物理块4M,一共512/4=128K个物理块。字长64位,所以位士图的大小为128K/64=2K=2048个字

    512G = 2^9 * 2^10 = 2^19M

    4M = 2^2M

    2^19 / 2^2 = 2^17

    64 = 2^6

    2^17 / 2^6 = 2^11 = 2048

  6. 某种部件用在2000台计算机系统中,运行工作1000小时后。其中有4台计算机的这种部件失效,则该部件的千小时可靠度R为()
    该部件的千小时可靠度R = (2000-4)/ 2000 = 0.998

  7. 假设磁盘磁头从一个碰道移至相邻磁道需要2ms,文件在磁盘上非连续存放,逻辑上相邻数据块的平均移动距离为5个磁道,每块的旋转起达时间及传输时间分别为10ms和1ms,则读取一个100快的文件需要(2100)ms
    公式:( 2 * 5 + 10 + 1 ) * 100 = 2100ms

  8. 某计算机系统中有8台打印机,有K个进程竞争使用,每个进程最多需要3台打印机。该系统可能会发生死锁的K的最小值是(4)
    公式:K * (M-1) = n
    代入:M=3:k*(3-1)=8; k = 4;

  9. 某软盘有100个磁道,磁头从一个磁道移至另一个磁道需要2ms。文件在磁盘上非连续存放,逻辑上相邻数据块的平均距离为20个磁道,每块的旋转延迟时间及传输时间分别为50ms和10ms,则读取一个10块的文件需要(1000ms)时间
    公式:( 2 * 20 + 50 + 10 ) * 10 = 1000

  10. 算数表达式a+(b-c)*d的后缀式是(abc-d*+)。(-、+、*表示算数的减、加、乘运算,运算符的优先级和结合性遵循惯例)。
    根据算数运算时有括号先算括号里面的值,其次乘除运算,最后加减运算顺序来展开:
    1.(b-c)b和c作为叶子节点,-为它们的父节点
    2.(b-c)的结果*d作为运算,*为它们的父节点
    3.a+[(b-c)*d]的结果,+为父节点,a为左子节点其他为右子节点,便可得到以下视图
    4.后缀式(也称后序)规则为左右跟来运算,最终得到结果abc-d*+
    在这里插入图片描述
    中缀式转后缀式:ab? (其中a=左边字符,b=右边字符,?=运算符号+-*/)
    中缀式:a+(b-c)*d
    1.有括号先算括号里面的,代入公式ab?,a=b,b=c,?=-,结果a+(bc-)*d
    2.没有括号算乘除运算,代入公式ab?,a=bc-,b=d,?=*,结果a+bc-d*
    3.最后算加减运算,代入公式ab?,a=a,b=bc-d*,?=+,最终结果:abc-d*+
    后缀式转中缀式:a?b (其中a=左边字符,b=右边字符,?=运算符号+-*/),从左往右遇到运算符停止
    后缀式:abc-d*+
    1.从左往右开始,到-处停止,a=b,b=c,?=-,结果a b-c d * +
    2.基于上一次结果继续查找,到*停止,a=b-c,b=d,?=*,结果a (b-c)*d +
    3.继续查找,到+停止,最终结果为a+(b-c)*d
    后缀转中缀利用栈实现
    在这里插入图片描述

  11. 采用McCabe方法计算程序复杂度为()
    在这里插入图片描述
    方法一:图中有多少个判断条件+1就是最终答案,该题中有2个条件所以2+1=3,最终答案为3
    方法二:V(G) = E(边数)-N(结点数)+2
    红色为边数=9,蓝色为结点数=8;代入公式V=9-8+2=3
    在这里插入图片描述

  12. IP地址分为公网地址和私网地址,以下地址中属于私网地址的是__A___
    A.10.216.33.124
    B.127.0.0.1
    C.172.34.21.15
    D.192.32.146.23
    解析:
    公网地址和私网地址最大区别是公网IP世界只有一个,私网IP可以重复,但是在一个局域网内不能重复。其中常见的
    私网IP地址范围为
    10.0.0.0 ~ 10.255.255.255、
    172.16.0.0-172.31.255.255、
    192.168.0.0 - 192.168.255.255

  13. 某公司有2000台主机,则必须给它分配(8)个C类网络。
    解析:
    主机号的位数决定了网络中最大的主机数(计算方法为2^主机号位数-2)。对于一个C类地址,以其前3个字节是网络号部分,而第4个字节是主机号部分,因此一个C类地址中可以包含的主机数量是2^8-2=254,题中告知该公司共有2000台主机,因此需要的C类网络个数为:取上整(2000/254=7.8…) = 8

  14. 信息摘要算法SHA和MD5产生的摘要位数分别是160和128

  15. 安全协议:
    PGP:基于RSA公钥加密体系的邮件加密协议
    SSL:工作于传输层及以上的安全协议,用于在Internet上传送机密文件
    SET:(安全电子协议)基于信用卡进行电子化交易的应用提供了实现安全措施的规则。
    TLS:安全传输层协议,用于在两个通信应用程序之间提供保密性和数据完整性

  16. 非连通无向图共有28个条边,最多几个结点(D)
    A. 6
    B. 7
    C. 8
    D. 9
    解析:若图有n个结点,且非连通,则最大边数为(n-1)(n-2)/2(即n-1个结点构成完全图,1个孤立顶点)。
    题目说共有28条边,即(n-1)(n-2)/2 >= 28
    在这里插入图片描述

    代入答案:
    	8: (8-1)(8-2) >= 28x2 = 7x6 >= 56 错误 
    	9: (9-1)(9-2) >= 28x2 = 8x7 >= 56 正确
    所以n=9,最多有9个节点
    
  17. 设某线性表的元素存储在有序顺序表A[1…20]中,表中元素互异,即A[1]、A[2]、… A[20]互不相同,用折半查找(及二分查找,向下取整)在A[]中查找key,若key等于A[13],则查找过程中参与比较的元素依次为A[10]、(A)
    A: A[15]、A[12]、A[13]
    B: A[16]、A[15]、A[13]
    C: A[15]、A[14]、A[13]
    D: A[16]、A[14]、A[13]
    解析:
    [left, right]; mid=(left+right)/2;
    如果当前值小于要查找的值left=上一次的mid+1,right不变
    如果当前值大于要查找的值left不变,right=mid-1

    使用折半查找(二分查找,向下取整)查找key=A[13]
    已知第一次比较的是A[10]
    以下所有计算都是向下取整
    初始范围:low = 1, high = 20
    第一次比较:(1+20)/2 = 10
    A[10] < A[13]
    调整范围:基于上一次的结果mid=10; 由于当前的数小于要查询的数,所有low=10+1; low=11,high=20
    第二次比较:(11+20) / 2 = 15
    A[15] > A[13]
    调整范围:low=11, high=14
    第三次比较:(11+14)/2 = 12
    A[12] < A[13]
    调整范围:low=12, high = 14
    第四次比较:(12+14)/2 = 13
    找到目标
    参与比较的元素顺序:A[10](已给出)、A[15]、A[13]、A[12],所以答案为A

    初始范围 left=1, right=20(以下计算取下整),要查找的值A[13]
    	第一次查找:mid=(left+right)/2 = (1+20)/2=10; [left=1, right=20]
    	A[10] < A[13]
    	由于当前值小于要查找的值,所有left=mid+1(10+1)= 11,right保持不变	[left=11, right=20]
    	第二次查找:mid=(left+right)/2 = (11+20)/2 = 15;
    	A[15] > A[13]
    	当前值大于要查找的值,所以left保持不变,right=mid-1(15-1)=14	[left=11, right=14]
    	第三次查找:mid=(left+right)/2 = (11+14)/2 = 12;
    	A[12] < A[13]
    	当前值小于要查找的值,所以left=mid+1(11+1)=12,right保持不变	[left=12, right=14]
    	第四次查找:mid=(left+right)/2 = (12+14)/2 = 13;
    	查找成功
    	顺序:A[10]、A[15]、A[12]、A[13]
    
  18. 某指令流水线由4段组成,各段所需要的时间如下图所示。连续输出8条指令时的吞吐率(单位时间内流水线所完成的任务数或输出的结果数)为()
    在这里插入图片描述

    A. 8/56▲t
    B. 8/32▲t
    C. 8/28▲t
    D. 8/24▲t
    对于流水线,完成 n 个任务的总时间 T 计算:
    流水线各段时间分别为▲t、▲2t、▲3t、▲t,最大段时间是▲3t(流水线周期 = ▲3t )。
    完成 n = 8 条指令时,总时间 T :第一条指令时间是各段时间和(▲t + 2▲t t+3▲t +▲t = 7▲t),
    之后每▲3t 完成一条指令,所以总时间 T=7▲t+(8 - 1)*3▲t=7▲t + 21▲t = 28▲t)
    吞吐率 TP=n/T,n=8,T=28▲t,所以TP = 8 / 28▲t

  19. 一颗度为3的树中,有3度结点100个,有2度结点200个,有叶子结点(C)个。
    A.399
    B.400
    C.401
    D.402
    解析:
    1.树的总边数e = n-1 = n0 + n1 + n2 + n3 -1
    2.由于每个度为0的结点发出0条边,每个度为1的结点发出1条边,每个度为2的结点发出2条边,每个度为3的节点发出3条边,因此,总的边数可以表示为e=n1+2 x n2+3 x n3
    3.将e的等式等同起来,有n0+n1+n2+n3-1 = n1+2 x n2 + 3 x n3,则有n0 = n2 + 2 x n3 +1。
    4.由题意可知:n2 = 200,n3 = 100,则n0 = 401

  20. 下列程序语言,(D)最早是为了教学的目的开发而成的。
    A.C语音
    B.Fortran
    C.ProLog
    D.Pascal

  21. 在一单处理机系统中,若有8个用户进程,在非管态的某一时刻,处于就绪状态的用户进程最多、最少分别有()个。
    A.8和0
    B.7和0
    C.8和1
    D.7和1
    解析:
    处理机有两个状态,一个是管态,即系统态,另一个是非管态,即目态或用户态。当CPU处理系统程序的时候,CPU会转为管态,CPU在管态下可以执行指令系统的全集,包括特权指令与非特权指令,;当CPU处理一般用户程序的时候,CPU的状态又由原来的管态转为目态,这个时候程序只能执行非特权指令。
    在一个单处理机中,处理器只有一个,非管态(即用户进程执行状态)的某一时刻,处于运行态的进程最多只有一个,系统中处于就绪态或阻塞的进程可能有多个,这样处于就绪态的进程数最多只能是进程总数减1,本题为8-1=7,因此最多可以有7个就绪进程。如果除了运行态的一个进程外,其余进程均处于阻塞态,则就绪态进程个数为0。

  22. 对下列有向图的邻接矩阵,进行深度遍历的次序是(V1-V2-V3-V5-V4-V6)
    在这里插入图片描述

深度遍历解题步骤:
		构建邻接表:
			从给定的矩阵中,我们可以构建每个顶点的邻接表:
			V1 的出边:V2、V3
			V2 的出边:V3、V5
			V3 的出边:无
			V4 的出边:V2、V6
			V5 的出边:V4
			V6 的出边:无
		深度优先遍历(DFS):
			从顶点 V1 开始:
			访问 V1。
			选择 V1 的第一个邻接顶点 V2,访问 V2。
			选择 V2 的第一个邻接顶点 V3,访问 V3。
			V3 没有未访问的邻接顶点,回溯到 V2。
			选择 V2 的下一个邻接顶点 V5,访问 V5。
			选择 V5 的邻接顶点 V4,访问 V4。
			选择 V4 的下一个邻接顶点 V6,访问 V6。
			V6 没有未访问的邻接顶点,回溯到 V4。
			V4...
			正确顺序是:V1-V2-V3-V5-V4-V6
广度优先遍历(BFS)过程
	起始于 V1:将 V1 加入队列。
	访问 V1:从队列中取出 V1,标记为已访问。
	处理 V1 的邻接点:V1 的邻接点是 V2 和 V3,将它们加入队列。
	访问 V2:从队列中取出 V2,标记为已访问。
	处理 V2 的邻接点:V2 的邻接点是 V3 和 V5,V3 已经在队列中,将 V5 加入队列。
	访问 V3:从队列中取出 V3,标记为已访问。
	处理 V3 的邻接点:V3 没有邻接点,无需处理。
	访问 V5:从队列中取出 V5,标记为已访问。
	处理 V5 的邻接点:V5 的邻接点是 V4,将 V4 加入队列。
	访问 V4:从队列中取出 V4,标记为已访问。
	处理 V4 的邻接点:V4 的邻接点是 V2 和 V6,V2 已经访问过,将 V6 加入队列。
	访问 V6:从队列中取出 V6,标记为已访问。
	处理 V6 的邻接点:V6 没有邻接点,无需处理。
	正确的 BFS 次序

	根据上述分析,正确的广度优先遍历次序应该是:V1 → V2 → V3 → V5 → V4 → V6。
深度优先遍历核心思想:尽可能深地访问图中的顶点,直到无法继续深入时,才回溯到上一个顶点,继续访问其他未访问的邻接点。

广度优先遍历核心思想:逐层访问图中的顶点,先访问起始顶点的所有邻接点,然后再访问这些邻接点的邻接点。
  1. 假设某计算机系统中资源R的可用数为6,系统中有3个进程竞争R,且每个进程都需要i个资源R,该系统可能会发生死锁的最小值i是()。
    A.1
    B.2
    C.3
    D.4
    解析:
    公式:m*(w-1)+1 <= n(不会发生死锁)
    n = 6
    m = 3
    w = 1 | 2 | 3 | 4
    3*(1-1)+1 <= 6 = 1 <= 6
    3*(2-1)+1 <= 6 = 4 <= 6
    3*(3-1)+1 <= 6 = 7 >= 6
    3*(4-1)+1 <= 6 = 10 >= 6

  2. 已知二维数组A按行优先方式存储,每个元素占用2个存储单元,第一个元素A[0][0]的地址为100,元素A[3][3]的存储地址是220,则元素A[5][5]的地址是()
    A.300
    B.310
    C.306
    D.296
    解析:
    存储位置 = 起始地址 + (i x n + j) x size其中i指行号,j指列号,n指每行元素数(数组列数)由题可知:第三行A[3][3]=220,起始地址A[0][0] = 100,根据公式求出n的值:220 = 100 + (3n + 3) * 2,可得n=19,A[5][5]的地址=100+(5 x 19 + 5) x 2 = 300

  3. 指令周期
    在这里插入图片描述
    在这里插入图片描述

软考中级软件设计师备考攻略:高频考点与刷题策略 在信息技术职业资格认证领域,软考(计算机技术与软件专业技术资格考试)是衡量专业人才技术水平的重要标尺。软件设计师作为中级核心科目,考查内容覆盖计算机组成原理、数据结构、操作系统、数据库、软件工程等基础模块,同时下午题强调数据流图、UML建模、算法设计与程序设计等综合应用能力。考生常遇知识面广、难点分散、时间规划不足等问题,而通过梳理高频考点、研习历年真题、建立错题本,能够显著提升备考效率。从考试结构出发,拆解上午题与下午题的题型分布和出题规律,提供系统的复习时间表与刷题方法论,结合案例说明数据流图、数据库设 阅读详情

相关推荐

软考中级软件设计师备考:一个月冲刺的真题刷题与复盘策略

计算机技术与软件专业技术资格(软考)是衡量IT从业者专业能力的重要标准,其中中级软件设计师考试覆盖计算机基础、数据结构、数据库、网络等广泛知识体系。备考的核心不在于看完大量课程视频,而在于建立“考点梳理—真题训练—错题复盘”的闭环。文章从考试结构入手,分析上午题与下午题的得分差异,给出三阶段备考流程:一周扫盲、两周分组刷题、最后套卷模拟。针对数据流图、数据库设计等易得分题型提供具体练习方法,同时介绍课程资料筛选标准与常见备考误区。科学分配时间、精准使用真题、持续复盘错题,即使只有一个月,也能有效提升通过概率

WGH100817的博客 374

错题记录-2022 下半年软考软件设计师

在某系统中,不同级别的日志信息记录方式不同,每个级别的日志处理对象根据信息级别高低,采用不同方式进行记录。针对此需求,设计如下所示类图。、采用面向对象方法进行某游戏设计,游戏中有野鸭、红头鸭等各种鸭子边游冰戏水边呱呱叫,不同种类的鸭子具有不同颜色,设计鸭子类负责呱呱叫和游泳方法的实现,显示颜色设计为抽象方法,由野鸭和红头鹏各自具体实现,这一机制称为。、驱动新能源汽车的发动机时,电能和光能汽车分别采用不同驱动方法,而客户装希望使用统一的驱动方法,需定义一个统一的驱动接口屏藏不同的驱动方法,该要求适合采用。

dongxinddd123的专栏 1914

软考中级|软件设计师-知识点整理

软件设计师考点知识卡片

woniu201411的博客 1038

软件设计师-23年上半年-上午答案

软件设计师-23年上半年-上午答案 软设23年05月上午答案

https://www.ruankao.org.cn/ 3312

软考中级软件设计师 15天备考策略:3阶段复习法与500道真题筛选逻辑

本文提供软考中级软件设计师15天高效备考策略,重点介绍三阶段动态复习法与500道真题精准筛选逻辑。通过科学的时间切割、高频考点聚类分析和机考环境模拟训练,帮助考生在短期内显著提升通过率。特别强调机考环境下UML作图工具的熟练应用,为考生提供可量化的短期冲刺体系。

weixin_33794672的博客 467

2025年上半年软考软件设计师中级真题解析与高效备考复盘方法

软考作为信息技术领域的重要职业资格认证,软件设计师中级考试是众多从业者提升专业能力的关键路径。真题解析的价值不仅在于核对答案,更在于理解命题逻辑与考点分布。通过对2025年上半年综合知识与案例分析题目的系统复盘,可以发现考试呈现广度优先、套路固定的特点,数据结构、软件工程等模块仍是高分重点。科学的备考策略强调知识树构建与熟练度提升,结合错题归因与四步复盘法,能够将真题资源转化为可复用的知识体系。本文从答案解析的深层使用出发,为下半年备考生提供从考点地图到专项训练的完整路径,帮助考生高效利用真题与解析文档,切

weixin_29574585的博客 379

软件设计师试题

34、采用面向对象方法进行某游戏设计,游戏中有野鸭、红头鸭等各种鸭子边游泳戏水边呱呱叫,不同种类的鸭子具有不同颜色,设计鸭子类负责呱呱叫和游泳方法的实现,显示颜色设计为抽象方法,由野鸭和红头鸭各自具体实现,这一机制称为( 继承 )。47、甲、乙两公司的软件设计师分别完成了相同的计算机程序发明,甲公司先于乙公司完成,乙公司先于甲公司使用。16、如下所示的软件项目活动图中,顶点表示项目里程碑,连接顶点的边表示包含的活动,边上的权重表示活动的持续时间(天), 则完成该项目的最短时间为( 22 )天。

weixin_68261415的博客 1463

偷懒必备:3种方法快速移植MFC界面资源(含.rc文件打不开解决方案)

本文针对MFC桌面应用开发,详细介绍了三种快速移植界面资源的实战方法:直接编辑.rc文件、利用Visual Studio“添加现有项”进行可视化挂载,以及双实例拖拽应急方案。文章重点剖析了.rc文件无法打开的常见问题,提供了通过修复rc.exe等关键文件来根治此问题的解决方案,帮助开发者高效复用资源,规避ID冲突等陷阱。

weixin_28358083的博客 273

计算机体系结构 - 流水线技术

计算机体系结构 - 流水线技术

鱼丸丶粗面 2410

LTspice第三方SPICE模型集成全流程指南

SPICE模型是电子电路仿真的核心基础,它通过数学方程描述半导体器件的非线性、温度依赖与寄生特性,决定仿真结果是否具备工程可信度。其技术价值在于 bridging 理论参数与实测行为,显著提升电源、电机驱动及逻辑电路设计的一次成功率。典型应用场景包括IGBT开关损耗分析、LDO瞬态响应验证、CMOS逻辑门传播延迟评估等。而LTspice作为轻量级工业级工具,依赖用户主动集成原厂提供的.subckt或.model文本模型——这正是‘LTspice导入SPICE模型’和‘74HC14 SPICE模型’等高频搜索

weixin_33868027的博客 305

maya中的几个热盒(空格、shift、w键)

maya中许多功能打包放进了不同的热盒中,让我们使用起来更加的便捷,熟练掌握后可以大大提升了建模速度。按下不同按键后鼠标不需要精确点到某个图标,往某个方向滑滑滑就打开了相应功能,非常的炫酷和迅猛。

m0_71983242的博客 1756

计算机组成与体系结构-流水线(5)

流水线 相关参数计算 流水线执行时间计算、流水线吞吐率、流水线加速比、流水线效率 概念 流水线是指在程序执行 多条指令进行操作 的一种准并行处理实现技术 各种部件同时处理是 针对不同指令而言的,它们可同时为多条指令的不同部分进行工作以提高各个部件的利用率和指令的平均执行速度 例题 一条指令的执行过程分解为取指、分析、执行三步。 取指:t = 3△t, 分析:t = 2△t, 执行:t = 4△t。 若按串行方式执行,则10条指令全部执行完需要( 90 )△t; 若按流水线的方式执行,流水线周期为( 4 )△

qq_43114516的博客 1105

基于JavaFX的Http Server模拟器

源码地址 GitHub - DayRain/http-server-simulator: http server 模拟器 功能描述 HttpServer模拟器,通过简单的配置即可模拟第三方服务端,用于接收和响应HTTP请求。 支持同时模拟多个服务、动态添加接口、动态配置返回值。 使用说明 运行 exe运行 编译代码后,点击exe直接运行 代码运行 下载好代码后,运行主类ApplicationStarter即可 新建服务 主界面如下 点击 文件-新建 创建新的服务 ...

小楼夜听雨的博客 2534

软考备考资料搭配全攻略:从选科到真题的使用逻辑

软考作为计算机行业权威的职称考试体系,覆盖初级程序员到高级系统架构设计师等多个级别,科目差异大、备考资料繁多。如何围绕自身目标搭建高效的资料组合?本文将阐述软考科目选择的核心逻辑,热门方向如软考中级软件设计师、网络工程师的资料配置差异,以及高级科目如系统架构设计师的论文素材库搭建方法。强调“官方教材+近五年真题+考点速记”的最小必要组合,介绍真题三轮刷法和计算题专项训练技巧,并提醒考生避免收藏资料却不用、只背速记不读教材等常见误区。通过合理的资料规划与执行,才能在有限备考时间内实现知识向答题能力的转化。

weixin_29973493的博客 217

ddr3ip核心_DDR3 IP 核配置

DDR3 控制器 IP 核2.DDR3 IP核配置点击 Flow Navigator 面板下的“Project Manager -->IP Catalog”。 在“Memories & Storage Elements -->Memory Interface Generators”分类展开后,可以看到名为“Memory Interface Generator (MIG 7 ...

weixin_33049919的博客 2935

thinkphp6/8 - 实现评论区发表评论、回复评论功能数据库表设计与整个逻辑思路过程分析,tp5 评论盖楼等功能(附带源码稍加改造即可使用)

tp5评论区数据库表设计,tp5发表回复评论功能设计,thinkphp5如何做评论功能,tp5 php评论区实现发表回复删除评论,tp5评论区盖楼源码及数据表设计思路,thinkphp评论功能详细教程,thinkphp实现评论与回复功能,thinkphp实现文章评论和回复评论功能,tp5实现评论回复功能,thinkphp如何实现评论区,tp5网站PC移动端h5怎么做评论区发表留言及回复功能,thinkphp实现评论区插件,thinkphp评论区相互发表回复功能详细教程,thinkphp有没有评论区的组件插件

✅ 精选推荐文章 3159

软考(中级-软件设计师)知识点整理

1.计算环路复杂度:判定节点(if)语句数量 + 1 = 环路复杂度;

Galaxy_12138的博客 1万+

【即插即用模块】注意力篇 | ECCV 2024 | DPB:高低频动态分离+双提示融合,PSNR直冲40+!

本文提出了一种基于频率提示的图像恢复方法FPro,通过动态滤波器分离输入特征的高低频分量,并采用双提示块(DPB)进行频域专属提示生成与调制。DPB包含低频提示调制器(LPM)和高频提示调制器(HPM),分别处理不同频段信号,通过生成提示组件并融合解码器特征来优化恢复效果。实验表明,该方法在U型结构中表现优异,尤其适用于分割、底层视觉和多模态任务。模块通过动态无监督频率分离、频域专属提示生成和适配性融合机制,有效解决了传统方法对频域信息关注不足的问题,显著提升了图像恢复质量。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 147

软考中级软件设计师如何两个月通过

数据结构与算法:掌握线性表、树、图的遍历与排序算法(快速排序、堆排序),刷LeetCode简单题(如链表反转、二叉树遍历)。重点章节:数据结构与算法(15%)、数据库系统(10%)、软件工程(25%)、面向对象技术(15%)、设计模式(10%)。下载最新考试大纲(中国计算机技术职业资格网),明确考试范围、题型(综合知识75题+案例分析5题)及分值分布。教材:《软件设计师教程(第5版)》(官方指定)、《软件设计师考试冲刺指南》。软件工程:需求分析、开发模型(瀑布、敏捷、螺旋)、测试方法(黑盒/白盒)。

瑞琪姐的运维小站 1320

【知识图谱】实践篇——基于知识图谱的《红楼梦》人物关系可视化及问答系统实践:part2知识获取与图谱构建、服务搭建

前序文章:其中原项目提供了关系数据如下: 其中五列数据表示:人物1,人物2,人物1与人物2关系,人物1所属家族,人物2所属家族。关系说明:以第一列为例,贾演是贾代化的父亲。下面我们就将这个数据放到neo4j中。这些需要去连接,需要安装这个包: 程序中,我使用去读取配置文件, 其中为了保持配置全局唯一性,使用单例的写法。 后面就是创建构建关系文件,构建neo4j图谱数据了,如下: 后期可能会将构建图谱内容使用flask去生成命令行的方式构建,暂时在开发的过程查看构建情况,便于调试。导入关系后,我们再查看

让算法融入生活,改变生活! 4082

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

软考软件设计师中级知识点

软考软件设计师知识点,不全,可用于复习和临时备考情况。软考软件设计师大题,一般情况下,主要考察类图用例图数据流图JAVA或C++代码C代码(注意各排序的时间复杂度)ER图。

abc_678的博客 1204

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

2025下半年软考软件设计师(中级)怎么高效备考,目标是稳过线!

25下半年软考开始进入备考阶段,现在咱们就抛开那些文绉绉的官话,用大白话来聊聊2025下半年软考软件设计师(中级)怎么高效备考,目标是稳过线!

DD666521的博客 2452

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

【软考中级】软件设计师选择题题集(一)

软考中级-软件设计师选择题题集一

小米子的成长日记 1476

软件设计师(中级)备考经验

  2025年11月,我参加了全国计算机技术与软件专业技术资格(水平)考试——软件设计师(中级) 。  今天,我想把这份完整、真实、可复用的备考全流程分享出来,希望能帮助那些和我一样时间紧、任务重、但又不甘心放弃的朋友们。只要你够专注、够坚持,一个月,真的可以改变结果!  资料:https://pan.quark.cn/s/cf57748da479  📅 一、备考基本信息概览考试科目:软件设计师(基础知识 + 应用技术)备考周期:30天(全职/在职均可适配)核心目标:双科通过,重点突破应用技术大题主要资料

生命不息,代码不止 814

软考中级-软件设计师(五)

摘要: 死锁资源计算 死锁4个必要条件:互斥、请求与保持、不剥夺、循环等待。 最少资源数公式:S = m × (n - 1) + 1(m为进程数,n为单进程最大需求)。 银行家算法用于安全状态判断与资源请求处理。 进程资源图 通过节点与有向边表示资源分配与请求关系。 判断死锁:单实例资源存在循环即死锁;多实例需结合资源可用性分析。 化简方法:执行非阻塞节点释放资源,逐步检查系统状态。 存储管理 页式存储:固定大小页,地址转换快,存在内部碎片。 段式存储:按逻辑划分段,支持共享,存在外部碎片。 段页式结合两者

qq1170993239的博客 1181

2024年软件设计师中级(软考中级)详细笔记【3】数据结构(上)(分值5分)

最新超详细软考中级笔记,适合备考软考、零基础小白、就业提升考证等人群。本篇主要阐述关于数据结构知识,包括线性结构(线性表、栈和队列、串)数组、矩阵、广义表、树(二叉树的性质、遍历、线索二叉树、哈夫曼树)、图(图的定义与存储)、图 的遍历、拓扑排序和关键路径等知识点

XFanny的博客 7085
上一篇: 软件设计师中级概念题
下一篇: 使用php实现导出pdf(mpdf扩展)
if时光重来
博客等级 码龄8年 248粉丝 217原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值